基于Web的大數據分析平臺交互設計研究

閆朝陽

摘要：文章首先從傳統網站和大數據分析平臺出發分析二者的特征，得出二者在功能、界面和內容方面的交互設計異同點。然后以用戶為中心，分析了大數據分析平臺用戶群體的角色分類和需求特征，總結出五類用戶角色在基本型、期望型和興奮型需求中的交互體驗訴求。最后結合WEB服務和用戶的特征提出能更好指導大數據分析平臺交互設計的三類原則，并進行相關設計策略和案例的列舉。

關鍵詞：大數據網站設計交互設計

中圖分類號：TB47文獻標識碼：A

文章編號：1003-0069（2019）09-0094-04

引言

當今是一個數據爆發增長的時代。移動互聯網、移動終端和數據傳感器的出現，使數據以超出人們想象的速度快速增長。據調查機構估測，數據數量一直在快速增加，這個速度不僅是指數據流的增長，而且還包括全新的數據種類的增多。對于海量并且瞬息萬變的大數據來說，存儲已然不是最終目標，如何從數據中獲得包括商業價值在內的紅利，才是其真正的意義所在。

不同于過往針對數據庫的設計模式，大數據分析平臺的用戶逐漸從程序工程師演變為“開發者+數據分析師+客戶業務員+管理者”分工協作的角色模式。交互方式也從程序語言對話指令式交互演變為“文本框+按鈕+列表+N”配合各類感官反饋的自然式人機交互，設計原則逐漸向傳統的WEB服務靠近，但又體現出了大數據所帶來的特殊性。

一、與傳統Web交互設計的對比分析

大數據分析平臺作為一種基于w印的服務，隨著技術的完備和后臺包裝的完善，正漸漸具備更高的可用性和易用性，體現出更多親和力的特征。平臺本身的技術含量在逐漸增高，用戶感知到的技術難度在逐漸降低。若想進一步向傳統網站優異的用戶體驗相看齊，可以借鑒許多傳統網站的交互設計原則和設計要素，例如導航欄的設計、可分類內容的瀏覽、層次化的結構、主頁的多功能入口等。但同時也要注意大數據技術為平臺所帶來的特殊性，以及用戶群體的不同導致的需求差異。

傳統WEB絕大多數服務于c端用戶，而現階段大數據分析平臺面向的則多為B端（企業）用戶。c端用戶使用Web服務的主要目的是滿足生活的需要，例如進行搜索信息、電商購物、旅行規劃、地圖導航等，從而滿足自身認知、消費和娛樂等方面的需求。企業用戶使用Web服務則是為了滿足一定的商業目的，各類操作行為具有明顯的價值利益導向。二者不僅在需求方面有明顯的區別，在功能實現邏輯、界面布局方式、內容交互方式上也有實質性的不同。

（一）功能實現邏輯

一個功能的實現邏輯取決于完成一個任務或解決一個問題需要進行的步驟。傳統WEB服務由于其所要解決問題本身的簡易性，使得功能實現起來較為簡單。例如淘寶網的商品瀏覽功能，用戶只需簡單地滑動鼠標滾輪，便可以上下瀏覽琳瑯滿目的各類商品，想實現下一步的購買功能，只需在商品詳情頁點擊購買按鈕，確認地址信息和商品信息，輸入支付密碼便可以完成從瀏覽到購買的任務。大數據分析平臺則存在各式各樣的任務，包括數據清洗、數據集制作、策略配置等復雜過程。其所處理的是商業數據或用戶數據，這都是價值和安全性要求都極高的數據，需要操作人員對各個步驟都嚴格操作，以防出現錯誤。同時功能的實現具有一定的實驗性和風險性，需要對數據反復進行不同方式的分析，最終才能得到一個滿意的結果。

（二）界面布局方式

功能決定了界面所搭載的信息內容和所需要的圖標按鈕等操作媒介，這些內容的分布方式則是取決于用戶對內容的識別方式和使用習慣。傳統的WEB服務常采用信息輸出導向的布局方式：

1.頂部大圖Banner配合簡單的柵格來加強視覺表現力，圖片上通過疊加文字標題和簡單的信息摘要能夠輕松地吸引用戶的注意力，也能夠很好地滿足響應式設計的需要;

2.單頁設計配合單欄布局，比較適合主題集中且內容固定的網站，需要對留白和內容密集度進行良好的控制，否則會對用戶帶來混亂和局促不安的體驗;

3.F式布局，因為用戶常常習慣先從左到右閱讀，然后向下移動，再繼續從左到右閱讀，這種布局滿足用戶的心理模型和行為模式，因此比較容易獲得用戶的理解和認可。

在上述三種經典的傳統網站頁面布局方式基礎上，大數據分析平臺為適應大規模數據、多功能模塊和多線程工作模式常采用下列兩種布局方式：

1.信息輸入與輸出相平衡的列式布局配合全局導航，通過兩欄、三欄或者四欄的布局來對信息和功能進行區隔，如圖1。這首先是因為該類平臺信息本身的專業化程度比較高，其次是因為該類平臺用戶群體中的權限角色較多、且任務分工較為明確。每一類角色用戶進入個特定特面中之后都有可能具備不同的目的，例如在項目中心頁便有查看、監督、錄入、處理和管理等交互目的，如圖2。在策略詳情頁則有添加數據源、配置分析策略、設計可視化方式等交互目的，如圖3。

2.卡片式布局，如圖4。與列式布局的原理相同，雖然不如前者的層次展示清晰明了但是符合用戶視線從上到下、從左到右的行為模式。瀏覽體驗較為快捷，同時每一個卡片可以展示內容較長的菜單或擁有次級文字內容的標題。

（三）內容交互方式

界面內容信息和用戶之間的交互主要分為輸入與輸出兩大類，簡單說就是內容的錄入和反饋信息的呈現。網站比較傳統的交互方式是以鍵鼠組合為主，通過鼠標的單擊、滑動和鍵盤的打字、命令快捷鍵來完成輸入的交互，網站則常常通過靜態圖片和文字組合的方式來完成信息的反饋呈現。區別于傳統的網站服務，大數據分析平臺的內容信息以數據為主，數據本身可以是靜態的也可以是動態的。研究表明，用戶對于文字文本的內容，讀過一遍只能記住20%，而對于圖片和圖像，看過一遍后能夠記住80%。數據可視化是大數據分析平臺最需要的信息輸出方式，結合動態的數據導入，可以為用戶提供科學易懂的結論。因此，可視化的交互是大數據分析平臺內容設計的核心。這種交互方式與傳統網站相比會有更多的控件交互顯示狀態，也會增加更多Pc端的交互動作，例如雙擊、左右滑動、上下滑動、拖拽和放大縮小等，而不僅僅是單擊、選中、懸浮和離開這四類交互狀態。

二、用戶需求特征分析

（一）用戶群體角色劃分

以用戶為中心是當前各類設計師最為關注的一點。大數據分析平臺目前所面向的用戶并非c端消費者，而多為B端企業用戶。相比于c端用戶利用興趣進行社交互聯的特征，企業用戶是依靠項目式的工作和企業中的職級來進行“連接”的。因此大多數B端產品都有多租戶管理系統的設計，不同用戶之間緊密合作，最終完成一個完整的項目。

根據對銀聯智慧、平安科技和騰訊云等多家互聯網企業的調查研究，可以將對大數據有需求的用戶群體分為分析方和商業決策者（客戶）兩大類，前者包括管理者、開發人員、運營人員和業務人員四類，如圖5。開發人員負責開發編寫各類分析工具和策略函數;運營人員專注于數據本身，自行探索數據，從而從數據中發掘有價值的信息;業務人員利用現有的工具和函數對數據和業務進行分析，主要目的是與運營人員和客戶等多個相關方進行對接。求助于分析方的商業決策者則根據大數據分析的結果進行最終商業行為的選擇，其各類行為均以商業價值為導向。

（二）用戶需求特征

根據KAN0模型，如圖6。需求可以劃分為5類，M代表Must-have，是基本型需求;L代表Linear，是期望型需求;E代表Exciter，是興奮型需求;R代表Reverse，是相反的需求;Q代表Questionable，是可疑的結果;I代表lndifferent，是無關緊要的。本文主要關注能夠代表用戶80%需求的M、L、E三類需求，并對其進行詳細的分析和設計。

1.基本型需求

這是用戶認為產品“必須有”的屬性或功能。在五類用戶角色中，開發人員和運營人員是擁有基本型需求最多的，他們的使用場景多為對數據進行分析處理的過程。這些人員往往來自多種專業背景，包括計算機、統計學、經濟學和管理學等。這種專業背景帶來的是習慣性的“偏科”，例如有些用戶會長于程序語言而不擅長數據統計，反之亦然。大數據分析平臺是需要用戶綜合的分析能力，“偏科”帶給用戶的是對不擅長方面的畏懼感。每次操作進行到該步驟都會有不安全的體驗。因此需要通過設計來對這種不好的體驗進行消解或弱化。

2.期望型需求

這是產品提供超出用戶期望越多，用戶的滿意度越好的需求，這類需求的使用場景多集中在對平臺數據進行存儲和展示的部分。五類用戶角色中商業決策者、管理者和業務人員是對這部分功能查看和操作最多的。經常與人打交道的性質及商業屬性導致他們對大數據往往不了解，甚至對“機器”也不了解。因此會存在數據加密技術本身很安全但用戶仍然擔心數據泄漏、數據處理速度已然很快但用戶仍然嫌棄結果呈現的速度等問題，需要通過設計良好的平衡技術本身的限制與用戶預期之間的代溝。

3.興奮型需求

這是不被用戶過分期望的需求，即使在期望不被滿足時，用戶也不會因此表現出明顯的不滿意。滿足用戶興奮型需求的意義在于其一旦得到滿足，用戶表現出的滿意度是非常高的。各類用戶角色都會或多或少存在這類比較具備情感色彩的需求，它體現在用戶在使用平臺的全生命周期中。用戶使用平臺時間越久，這種訴求會越明顯。

三、交互設計原則

大數據分析平臺作為一種Web服務，首先要滿足基本的可用性和易用性原則。同時根據平臺異于傳統網站的特殊性和用戶群體三類需求的特征，其交互設計應滿足以下原則：

（一）安全性原則

大數據分析平臺由于所處理的數據規模巨大、技術復雜，往往會出現各類安全問題，既有外部攻擊，也有內部泄露;既有技術漏洞，也有管理缺陷;既有新技術新模式觸發的新風險，也有傳統安全問題的持續觸發。從上文的基本型和期望型需求分析中也可以看出安全性的重要性，因此安全性是大數據分析平臺交互設計的首要原則。

通過交互流程和UI優化，設計師能夠讓用戶盡可能地規避一些潛在的安全問題，即使這個過程中可能會產生體驗上的障礙和不適。

1.首先對不同內容或不同功能的交互界面應該進行差異化設計

參考Google的賬號登錄流程，用戶在兩個不同的頁面分別輸入賬號和密碼信息，兩個界面并非只是更改了輸入框的標簽信息，而是在頁面布局、交互空間、功能按鈕分別進行了差異化設計，來吸引用戶的注意力，讓用戶保持緊張和專注。這類設計思維在數據處理的關鍵界面能起到重要的作用，例如在數據源增添、修改和刪除的界面，由于其會影響到全局的系統，因此將不同重要程度的信息進行分拆，安排在不同的界面進行操作，會讓用戶的操作體驗更有安全感。

2.其次是向用戶展示交互的關鍵流程

這不僅是導航方式的一種便捷化變體，也是滿足用戶心理模型中的可預測性。由于大數據分析的業務邏輯較為復雜，交互操作的流程往往比傳統的服務會多出很多步，一個步驟式或進度條式的流程信息展示會讓用戶明白自身所處的場景，配合對各步驟信息的校驗和提示，用戶能夠很安心地在最后一步點擊“提交”按鈕。這樣便不會由于單個頁面承載過多的功能和信息，導致用戶心理壓力過大，從而產生威脅系統安全的誤操作。

（二）時效性原則

最新的數據總是獲取商業信息、挖掘商業價值的第一手材料，這就需要數據的動態更新和實時變化，其中涉及的便是頁面的緩存、加載和刷新等交互方式。這類交互經常不是用戶能夠直觀看到的，但是會影響交互流程的流暢度，尤其是針對大數據這類規模巨大的數據集。

1.緩存是用戶等待過程中“看不見”的交互設計，是把已經加載過的數據存儲在瀏覽器中，并在下次需要重復使用的時候，直接獲取本地數據。利用這種方式，用戶在獲取數據的過程中便可以對頁面進行操作，等待新數據時還可以查看舊數據，無需長時間面對空白的界面，使界面更具有“可操作性”與“可用性”，從而減輕了獲取數據這一動作的大小和時間長短，增強了用戶體驗。

2.加載是用戶等帶過程中“看得見”的交互設計，網絡環境的好壞和數據量的大小都會直接影響加載的時間。用戶會隨著加載時間的延長逐漸變的焦慮和煩躁，為了避免這類不好的體驗，需要向用戶及時反饋頁面的狀態。如果界面的等待時間是已知的或是可預估的，那么可以利用進度條傳遞給用戶可感知的時間，能夠有效降低用戶的跳出率，提高用戶黏性。如果界面的等待時間是不確定的，可以利用樣式豐富的加載動效來填補等待的間隙。這不僅能夠轉移用戶的注意力，還可以告知用戶頁面正處于“健康”的加載狀態，避免用戶產生操作失敗的感覺。需要注意的是，加載動效不應過度設計，否則不僅會降低人機交互的流暢度，還會讓用戶對平臺產生不專業、不專注的體驗感受。

（三）情感化原則

設計師的關注點不能僅僅落在物理對象上，用戶自身的情感是更為關鍵的設計對象。在對大數據分析平臺用戶群體調研過程中搜集到最多的使用體驗關鍵詞是冷酷的科技性、嚴肅的邏輯I生和商務的操作性等。不能說這些體驗是負面的反饋，但僅僅這樣的設計很難保證用戶能夠長期開心、愉悅地使用平臺進行高強度的大數據分析工作。

情感化設計的創始人唐納德.諾曼將其拆分為三個維度，如圖7。包括本能層面、行為層面和反思層面，對應到網站交互設計中分別對應著界面的UI設計、流程設計和思維設計。通過交互設計的手段賦予冷冰冰的科技產品以情感，再通過情感去建立平臺與用戶長期穩定的關系。

1.本能層面的設計是關乎大數據分析平臺——涉及眾多數據可視化的功能——整體視覺形象的設計，也是帶給用戶第一印象和最直觀體驗的設計，要求設計師能夠制訂-一致性的、具有親和力的視覺語言，讓數據、分析工具和項目管理不再顯得乏味無趣。但同時又不能忽視科技性、商務性等用戶的原始體驗習慣，因為情感化是在功能易用和高效的基本型需求基礎上所打造的期待型或興奮型需求。

在整體視覺原則的指導下是對內容信息的設計。用戶對靜態的信息是不敏感的，需要針對靜態的部分進行差異化的控件設計。例如窗體這一控件，可以利用詳情窗體對大量信息進行分類聚合，雙擊便可以修改具體模塊或分類的項目名稱和顏色標簽;表單窗體則可以為顏色與留白相間的設計，便于滿足用戶橫向閱讀的行為習慣。同時對于信息承載壓力較大的關鍵分析界面，交互層面的信息動態設計更是必不可少的。數據概覽窗體是動態信息最多的部分，正常狀態、懸浮狀態和點擊狀態都應有不同的數據內容和展示方式的改變，例如正常狀態為整體數據的概覽，懸浮狀態則對單點數據進行高亮放大展示，同時展示摘要的數據信息，點擊后則可以通過浮窗疊層展示不同的數據詳情，易于進行對比分析。

2行為層面的設計是針對用戶想要做的事情和目標之間可能存在的全部行為和方案進行設計。辛向陽教授將人與機器系統的交互分解為五個要素，分別為用戶、行為、目標、場景、媒介。在一定的場景中，用戶通過某種媒介進行特定的行為，從而完成一定的目標，這便是一個完整的交互過程，對行為的設計是交互設計的本質。針對大數據分析平臺復雜的信息架構，一方面要通過輕薄的交互層級來避免用戶過于深陷一個復雜的交互流程中，從而減少對高科技的恐懼;另一方面可以利用豐富的交互手勢來實現強大且有趣的功能。由于大數據分析平臺是基于網站的，因此可以將手勢轉化為鼠標的操控，例如通過拖拽預制的策略集（分析工具）來代替原始的指令輸入式交互，如圖8。增加便捷性的同時，可以讓用戶體驗到大數據分析可以像拼積木般有趣。

3.反思層面的設計是關注用戶長期使用產品所獲得的情感，對應的是用戶興奮型的需求。大數據分析平臺需要用戶仔細查看菜單選項，學習其中特定的功能，甚至系統地學習整個平臺的運作規律，而這就是反思發揮作用的地方。不同于傳統的網站服務，大數據分析平臺具有很高的技術含量和使用難度，用戶長期使用會不斷解鎖新的分析工具和數據可視化方式，從而發現數據新的價值。因此大數據分析平臺具備一定的“教育”屬性，同時用戶的適應和成長周期會遠大于傳統的網站服務。將用戶一步步的成長利用反饋的方式傳遞給用戶，其中既包括正反饋（例如用戶的分析進程平穩），也包括負反饋（例如系統不能執行用戶的分析指令）。反饋交互的接觸點有很多，既可以設計在整體的交互流程中，例如用戶在開始或結束一段完整的操作時可以通過1言息彈窗的方式來完成;也可以在眾多的微交互中對特定的交互操作設計輔助的信息提示，例如當用戶突破了某種規則或者切換了過往習慣的分析模式時進行反饋。

不同于傳統的以文本信息為主導的反饋，數據和項目導向的大數據分析平臺需要以數據信息為主導進行反饋，例如用戶成功分析了大量的數據，獎勵式的統計數據會帶給用戶一定的成就感和幸福感。

結語

大數據作為一種新型技術，有著極大的發展前景，各類大數據分析平臺如雨后春筍一般涌入市場。這些平臺同質化嚴重，缺乏設計亮點，同時也因忽略對用戶體驗的關注所產生了各類型需求滿足不周的問題。對于B端產品來說，只有同時滿足業務與用戶的需求，才可以說是一個好的產品。高技術化的屬性和用戶體驗之間的代溝亟待交互和體驗設計師去關注，只有在平衡科技與體驗、在結合新技術與用戶的行為習慣的基礎上，才能設計出體驗更好的大數據分析平臺。